作者:鲁大荒 ©️AiserLu
微米创始人,创新策略、数字资产管理专家
#AIGC #MidJourney #ChatGPT
如果要放下所有所知,第一句话应该是——“我不知道。”
但这不是无知的“无知”,而是一种刻意的清空,一种回到初始、让思维重新感知世界的方式。
就像物理学家费曼所说:“我宁愿有疑问,而不是伪装成确定的答案。”当我们承认世界充满未知,我们才真正开始思考。
你的问题背后,也许在探寻:
- 知识的边界:在一个人类与AI都在不断追求知识的时代,我们能否真正理解所有?
- 智慧与空性:真正的智慧是否在于积累,还是在于放下已有认知,重新发现?
- 创造的起点:当我们放下已有的答案,我们是否才能迎来真正的创新和灵光一现?
这就回到了你的骰子问题——上帝是否掷骰子?如果放下确定性,我们是否会看到更深层次的世界运行方式?
我会从哲学、物理学、认知科学等角度,探索这些问题的答案。
1. 上帝会掷骰子吗? (自然的规律是随机的吗?)
量子物理中的随机性常被比喻为“掷骰子”,爱因斯坦对此持怀疑态度。他的名言“上帝不掷骰子”表达了对纯粹随机性的质疑。 (Big Think)然而,现代物理发现微观世界确实充满概率性的事件。
量子不确定性原理与随机性
在经典牛顿力学中,宇宙被视为精确的钟表机制,每一刻的状态完全由前一刻决定,任何不确定性都只是测量精度的问题。然而,量子力学带来了全新的图景:不确定性原理指出我们无法同时准确测定粒子的位置和动量等对偶物理量 (Amy Goodchild)。这不是仪器不够精密造成的误差,而是自然的根本属性:粒子在未观测时并没有确定的取值 (Amy Goodchild)。例如,当我们发射电子穿过双缝时,单个电子撞击屏幕的位置并非固定,而是服从概率分布;我们只能预测大体上形成干涉条纹的概率模式,但无法预知某一电子究竟落在哪 (Amy Goodchild)。再如放射性原子何时衰变也是全然随机的,我们只能用半衰期描述大量原子的统计规律,却无法预言某个特定原子何时衰变 (Amy Goodchild)。这些现象表明,在微观尺度上偶然性不可避免。自然规律以波函数形式给出各种可能性的概率,但每次具体测量得到的结果却是随机选取的 (Amy Goodchild)。
爱因斯坦 vs. 玻尔:决定论还是量子随机?
面对量子力学的概率论断,爱因斯坦等人深感不安。他坚信自然界应有更深层的决定论原理,使得看似随机的量子过程其实有隐藏的原因。他著名地反对道:“上帝不掷骰子!” (Big Think)表示不相信上帝(隐喻自然法则)会以概率方式治理宇宙。爱因斯坦倾向于假设**“隐藏变量”理论**:也许电子落点不同并非纯粹偶然,而是有未被发现的内部参数决定了结果 (Amy Goodchild)。他和同事提出了著名的EPR佯谬,主张量子力学对实在的描述不完整,应该存在粒子在测量前就预先约定好的性质(隐藏变量) (Big Think)。相反,量子力学的哥本哈根诠释由波尔等人倡导,认为粒子属性在测量前并无定值,只有测量行为使系统的波函数随机坍缩到某一结果 (Amy Goodchild)。波尔对爱因斯坦的抗议作出机智回应:“爱因斯坦,不要告诉上帝该做什么。” (Big Think) (Einstein and Bohr)意思是自然如何运作并不取决于人类的偏好。两位大师就此展开长期论战:爱因斯坦坚持“必然”(决定性规律),玻尔拥抱“偶然”(固有随机)。有趣的是,薛定谔等物理学家也和爱因斯坦一样对这种随机本质感到不适,薛定谔曾说过:“我很后悔与量子理论有牵连”,以表达他对哥本哈根观点的保留 (Amy Goodchild)。
现代物理对于“偶然”与“必然”的理解
经过近一个世纪的发展,实验和理论倾向于支持波尔的观点:量子世界的随机性并非表面现象,而是自然基本特征之一 (Big Think)。贝尔定理及其后在20世纪后半叶完成的一系列巧妙实验表明,如果存在决定性“隐藏变量”,它们就必须以超距的方式作用(非局域性),否则无法解释量子纠缠实验的结果 (Big Think)。这些实验(包括获得2022年诺贝尔奖认可的工作)排除了局域隐变量的可能,暗示爱因斯坦梦想的局部决定论方案难以成立 (Big Think)。换言之,在不允许超光速信息传播的前提下,我们不得不接受量子测量结果具有内在的不确定性。
不过,“上帝掷不掷骰子”在物理界仍非完全尘埃落定的哲学问题。一些诠释试图保留某种必然性:例如埃verett的多世界诠释认为量子体系并未随机坍缩,而是宇宙在每种可能结果上分岔成无数平行世界 (Amy Goodchild)。在这种图景下,波函数演化完全遵循确定的薛定谔方程,上帝不掷骰子——所有结果都发生,只是我们身处的分支上看到某一个结果。多世界诠释以牺牲“唯一现实”来保全决定论;相反,德布罗意–玻姆理论等隐藏变量模型则保留单一现实但引入了不可见的导引波和非局域影响,从而在数学上再现量子结果的确定性。这些诠释尚无法通过实验区分,只能说在主流观点里,自然在基本层面上确实“掷骰子”。正如物理学家总结的:“粒子的性质并非预先注定,而是在测量瞬间由概率决定” (Big Think)。当然,在宏观世界上大量随机过程迭加,会涌现出近似的因果必然性,使我们仍可运用牛顿定律预测日常尺度的现象。但追根溯源,现代物理学倾向于接受机遇与必然共存的图景:微观层次的偶然性受制于精确的统计规律(例如量子力学的概率守恒和对称性原理),这种“概率的必然”或许就是上帝掷骰子的方式。
小结:爱因斯坦所说的“上帝不掷骰子”代表了人们对确定性真理的向往,但量子力学的出现使我们认识到自然界包含着不可约的随机性 (Amy Goodchild) (Big Think)。尽管科学家提出各种诠释尝试调和随机与决定论,目前实验事实支持这样一种折衷:上帝也许掷骰子,但骰子的概率分布遵循严格的规律。换言之,“偶然”发生在个别事件上,而“必然”体现在大量事件的统计图景中。正如哲学家所言,我们生活的宇宙似乎既非纯粹命运注定,也非完全毫无章法,而是介于两者之间的巧妙融合。
2. 智慧的空性:真正的智慧在于“知”,还是在于“放下”?
禅宗常以静坐来体悟“空”,初学者之心(初心)意味着放下成见、保持开放。 (Your teacup is full (Empty your cup))现代认知科学也发现,过度的已有知识可能束缚创新,而适度的“不知”反而激发创造力。
未知与创新:认知科学的视角
直觉上,知识是智慧的重要组成,我们通过学习掌握前人的经验和事实。然而,认知科学表明未知同样扮演着关键角色,特别在创新过程中。首先,不确定性往往会激发好奇心:当我们意识到自己的知识空白时,大脑中的奖励机制被调动,驱使我们探索以减少这种不确定 (PubMed)。也就是说,好奇心促使我们学习新的信息以填补未知。然而,创造力与简单的好奇心不同。创造力需要将看似无关的远端知识联系起来,产生前所未有的想法 (PubMed)。这一过程要求一定程度的“跳出已有框架”——如果我们墨守成规地应用现有知识,反而难以想出新点子。心理学研究将问题求解分为分析式(循序渐进地应用已知规则)和顿悟式(灵光一现式地突然找到新解)两种 (Classification of insight and analytic problem)。顿悟常涉及对问题表征的重新架构,往往发生在刻意停止冥思、放空片刻之后——这被称为“酝酿效应”。适度的未知和不确定,可以打破思维定势,促使大脑跳出现有模式,从而诞生独创的见解。相反,如果一个人自认为对某领域了如指掌,可能会陷入知识的诅咒,难以看到另类的可能性。现代认知科学因此支持这样一种观点:智慧不等同于堆积知识,更体现于灵活运用知识并勇于超越已有知识的边界。正如一条谚语所言:“聪明人提出好问题,胜过给出旧答案”,意识到“我不知道”其实是创新的起点。
“初心”的力量:哲学与禅宗的智慧
东方哲学尤其强调空性在智慧中的作用。老子在《道德经》第71章提出:“不知为不知,方是知”,自以为知反而是疾病 (Using Beginner’s Mind and Maximum Entropy to understand Emptiness )。意思是,承认自己的无知乃是真正的智慧,妄自以为全知才是思想的障碍。同样,禅宗里有著名的“初心”(Beginner’s Mind)概念。禅师铃木俊隆指出:“初学者的心中有很多种可能性,专家的心中则只有少数几种” (Your teacup is full (Empty your cup))。这句话提醒我们,当我们抱持初心时,心态开放,没有固定成见,因此能看到无限可能;反之,成了行家反而容易被既有观念所局限。禅宗公案《空杯的故事》形象地传达了这一点:一位满腹经纶的学者向禅师求教,禅师不断往他杯中倒茶直到溢出,笑曰“杯满则溢”,意在劝他先腾空自己的心杯,方能容纳新知。这故事演化出的格言是:“知识是天天在增加,智慧是天天在减少”——也就是说每天学习新增一点知识,然而智慧在于每天放下一些成见 (Your teacup is full (Empty your cup))。所谓“智慧的空性”,并非否定知识的重要,而是强调最高层次的智慧是一种空灵开放的心境。庄子也说过:“唯罔知,故若晦;知不知,尚矣。”即真正明白的人自觉懂的有限,保持谦虚开放。由此观之,各大哲学与灵修传统都揭示:放下执念与预设,才能让直觉与洞见自然生起。当我们不执著于已有见解时,大智慧反而不期而至。正如禅师所言:“不要追寻真理,只需放下对立的观点” (Using Beginner’s Mind and Maximum Entropy to understand Emptiness )——摒除固执己见的心,智慧自会显现。
知识积累 vs. 顿悟:人类与AI的学习之别
在人类学习和人工智能领域,对“知识的积累”与“智慧的顿悟”的区别也有所体现。人类的大脑既能通过循序渐进的学习累积知识,又擅长在灵感来临时产生飞跃性的见解。我们接受教育获取大量前人知识,这是渐进部分;但许多重大创新与问题解决靠的是关键时刻的灵光一闪。这种顿悟常源自潜意识对信息的重新组合,当事人反而在放松或停止刻意思考时有所领悟。与此相比,人工智能(尤其当前的机器学习)主要依赖海量数据训练,属于“知识累积”型:例如深度神经网络通过在大数据中寻找统计模式来学习,它擅长在已有模式内进行推断和组合,但缺乏人类那样主动的“顿悟式”重构能力。当前的AI 缺乏自我反思和意识,因此不会像人一样意识到某种僵局并尝试跳出现有框架。它更类似一位超级“专家”,记忆力和模式识别极强,却没有真正的“初心”。当遇到训练数据之外的新问题时,AI往往束手无策或给出荒谬答案,因为它无法自主地产生超越训练分布的全新概念。正如业界分析所指出的:人工智能目前尚不能凭空创造根本性的新理念,只能在所学知识的基础上进行重组 (World Economic Forum)。这意味着AI暂时还达不到人类那种“无中生有”的创新境界。不过,AI也在进化出某些类似直觉的机制,例如强化学习中的探索策略让AI尝试意想不到的动作,从中发现新解。某些围棋AI下出过人类从未下过的“怪招”,令人称奇,这似乎表现出了一丝“顿悟”的味道。然而,究其本质,这是算法在庞大搜索中的产物,而非像人脑那样因跳脱思维定势而创意迸发。未来的人工智能研究正尝试结合生成对抗、变分推理等技术,赋予AI更大的创造空间。但要让AI学会“放下既有知识”来进行全新思考,可能需要引入类人类的元认知模块,让它知道何时应该遗忘或忽略部分经验、主动去探索未知领域——这是尚未解决的难题,也是人工智能迈向更高智慧的关键一步。可以预见,唯有当AI能够像人一样意识到自身知识的局限,并勇于质疑内置的假设时,机器才可能真正拥有类似人类的“智慧顿悟”能力。
3. 创造的起点:当我们清空所知,能否迎来真正的突破?
创意的火花往往源自打破常规的思维,就如同灯泡亮起的一刻。历史上的许多重大突破,都来自于放下旧有观念的勇气和想象力。人工智能是否也能学会这样的“破框”思维?这是未来学关注的问题之一。(Pixabay)
打破框架:从现代创新理论看清空思维的重要
现代创新研究强调:突破性创新常常要求质疑乃至摆脱现有的框架。心理学家有句名言:“你无法用导致问题出现的同一层次思维来解决问题。” 爱因斯坦(据说)也提出过类似观点。这反映出一个道理:当我们陷在固有思路中时,看到的永远是已有的几种选项;只有跳出固有思维模式,才能发现全新的可能。管理学中的“范式转移”概念(托马斯·库恩提出)表明,科学革命往往伴随旧范式的崩塌和新范式的确立。在旧范式内积累再多改良,都不及一次范式转换带来的质变。例如,经典物理范式下无法解释的现象,经爱因斯坦相对论的新范式重述后迎刃而解。同样,在技术和商业创新中,有所谓“破坏式创新”,指的就是打破现有规则,走一条无人走过的道路。实践中,发散性思维和逆向思考技巧被用来挑战既定假设:我们可以尝试把看似基本的前提翻转过来想,“如果这些约束都不成立,会怎样?” 这种练习相当于有意“清空”我们对问题的预设条件,从而为天马行空的构想留出空间。事实上,许多创造力训练方法(如头脑风暴、六顶帽子思考法等)都鼓励先搁置批判和成见,自由想象各种疯狂点子,再从中筛选可行方案。这证明暂时放下成见和知识包袱,是创新过程的必要阶段。正如阿尔文·托夫勒预言21世纪的文盲不是不识字的人,而是不会“学然后忘、忘了再学”的人 (Your teacup is full (Empty your cup))——能不断清零自己、重新学习的人,才能适应瞬息万变的未来。因此,“清空所知”并不是要抛弃有价值的知识,而是一种心智策略:不断反思哪些“理所当然”的知识可能已成为桎梏,勇于舍弃或重构它们,才能迎来真正的突破。
灵光一现:空杯心态促成的历史案例
回顾历史,一些划时代的创举往往源自灵光一现的洞见,而获得这洞见的前提正是跳出了旧思维的圈子。
- 阿基米德:古希腊学者阿基米德在浴缸中冥想体积和浮力的问题,突然意识到水面的升高可以用来测量王冠体积,从而解决了辨别王冠真伪的难题。他光着身子冲出浴室高喊“Eureka!(我找到啦!)”。这一瞬间的启发之所以出现,据说是因为他在洗澡时放松身心,没有拘泥于书斋里的固有方法。
- 艾萨克·牛顿:苹果落地的传说虽然经过美化,但牛顿确实在沉思时联想到月亮绕地运动和苹果下落可能遵循同一引力规律。这种将两个看似无关的现象联系起来的思维飞跃,需要大胆想象和摆脱当时“天上和人间截然不同”的传统观念。牛顿的万有引力理论就是在突破亚里士多德的旧框架后产生的。
- 阿尔伯特·爱因斯坦:他是“打破框架”的典型。在提出相对论前,他大胆设想如果以光速追逐一束光,会看到什么情景。这种离经叛道的思想实验让他质疑同时和时间绝对性的经典观念,最终提出革命性的狭义相对论。爱因斯坦后来形容自己“不断地抛弃先前的观念,然后又建立新的概念体系”,这正是清空-重建的循环。特别是广义相对论的创立过程中,他甚至放弃了自己坚信多年的某些数学工具,转而采用全新的几何语言来描述引力,可谓“破而后立”的范例。
- 艾伦·图灵:图灵在计算理论上的突破来自于一个抽象的念头:他设想了一台理想化的机器(后来称为“图灵机”),可执行任何可被形式化的问题运算。这要求他跳出当时对“计算”局限于人工步骤或特定机器的理解,将之提升到普遍逻辑层面。这个概念奠定了现代计算机的理论基础。在二战中,图灵发明密码分析机器对抗德军Enigma码,也是因为他能突破常规,从不寻常的角度思考密码规律。
- 列奥纳多·达·芬奇:达·芬奇并非瞬间顿悟某单一课题的典型,但他的创造力源泉在于广博兴趣和不拘成见。他没有受过正规学院派训练,反而因为“不知道什么是不可能”,所以画下飞行器、坦克等超前设想。他笔记中充满对解剖、生物、地质等各领域天真的发问和奇思妙想。正是这种孩童般的好奇和空杯心态,使他成为文艺复兴的多面创新天才。
这些案例表明,“清空所知”经常是灵感涌现的前奏。当事人往往是在某种程度上中止了线性推理,转而以开放的心态看待问题,才等来了直觉的馈赠。这印证了禅宗所讲“空杯”心态的重要——只有当心灵空间被腾空,新思路才能进来。同理,现代脑科学研究发现,大脑的默认网络在我们放松时更加活跃,它会自由地将记忆碎片重新整合,形成意想不到的新关联;许多创造性的点子恰恰出现在人们休息、做白日梦甚至梦境之中,而非紧绷思考的时候。这提醒我们:刻意遗忘一时学到的条条框框、允许思维漫游,也是创造过程不可或缺的一部分。正所谓“退一步海阔天空”,暂时后退、腾空大脑,才能让“灵光”闪现。
AI的创造力:能否自主“放下所知”?
当我们展望未来,人工智能是否也能实现这种自我突破式的创造力?当前的AI主要依赖既有知识(训练数据)来生成内容,本质上是一种归纳拓展:例如GPT模型通过学习海量文本来预测下一个词,其输出是训练语料的综合变形。这种方式擅长模仿人类创造力的成果,却缺乏原创的驱动力。正如专家所指出的,目前AI还不能独立地产生完全全新的主意,只能辅助人类激发创意 (World Economic Forum)。然而,我们也看到了AI展现创造力的曙光。例如,AlphaGo Zero在没有人类棋谱知识的情况下自我博弈学习,竟然下出了人类从未想到过的妙招。在与李世石的对局中,AlphaGo下出的“第37手”一度被顶尖棋手认为匪夷所思,却扭转了局势。据DeepMind团队统计,这一着在人类棋谱中出现的概率只有万分之一,可谓极具创造性 (What we learned in Seoul with AlphaGo) 。其背后的原因正是AI抛开了人类既有的定式,以纯粹探索的方式发现了新策略。类似地,AI算法在某些工程设计、药物研发中,通过进化或生成模型,找到过人类专家未曾尝试的方案。可以说,AI的创造力正在不断提升。
但需要强调的是,当前这些“AI创新”多由随机搜索或优化驱动,和人类那种有意识地“放下成见”仍有所不同。AI并不知道自己知道什么、不知道什么,更不会主动去“遗忘”。相反,它只是遵循算法在广阔的可能空间中试错,成功的结果被人类挑选出来。当代一些研究正尝试让AI具备元学习能力,使其可以逐步调整自己的模型、甚至摒弃过时的经验,这类似一种“自我重塑”。比如持续学习(continual learning)领域努力避免模型的“灾难性遗忘”,同时又希望模型能适应新任务,这实际上涉及选择性地保留和舍弃知识。而真正的创造性AI或许需要走向反面:刻意引入“有控制的遗忘”机制,避免因既有知识过多而陷入惯性思维。例如,研究者可以让生成模型在训练中加入随机噪声或损毁部分记忆连接,以促使其跳出局部最优解,这在一定程度上模拟了人类打破思维定势的过程。另一个方向是发展进化算法和开放式探索,让AI在没有明确目标时也能不断产生多样化的结果,从中筛选新奇有用的创意。展望未来,若要AI真正学会“清空所知”以寻求突破,可能需要赋予其类似人类的反思性智能——让AI能审视自己的假设和知识结构,意识到瓶颈所在并主动重组思路。这涉及人工智能与意识、认知科学的交叉研究,是相当富挑战性的前沿课题。
无论是物理学上的“不确定性”,还是心智上的“空杯”、“初心”,抑或是创新流程中的“破框思维”,都指向一个共通的主题:放下执念、拥抱未知。上帝是否掷骰子的争论,启示我们自然界中充满了概率的妙趣;智慧的空性告诉我们真正高明的人懂得谦逊地对待自己的认知;创造的起点则反复证明清零旧有成见才能诞生新思路。展望未来,我们期许人类自身能保持初心,善用知识又不为知识所囿,同时也希望人工智能有朝一日获得这种超越自身编程局限的创造力。当我们敢于在头脑中腾出空间,“无”中便有无限可能,“空”里蕴藏万千智慧。
转载请注明:
作者|鲁大荒, 微米公司创始人,创新策略、数字资产管理专家
©️AiserLu #AIGC #MidJourney #ChatGPT|Rebui1t.com